Sistem Pendataan Siswa Berbasis AI untuk Analisis Karakter dan Monitoring Perkembangan di SD IT Ananda Empat Lawang
DOI:
https://doi.org/10.33998/processor.2025.20.2.2538Kata Kunci:
Artificial Intelligence, Student Character, NLP, TF-IDF, ChatGPTAbstrak
Pendidikan dasar memiliki peran strategis dalam membentuk karakter dan kompetensi siswa sejak dini. Namun, banyak sekolah menghadapi tantangan dalam mengelola data perkembangan siswa, khususnya dalam aspek karakter yang bersifat subjektif dan sulit diukur secara sistematis. Penelitian ini bertujuan untuk mengembangkan sistem pendataan siswa berbasis kecerdasan buatan (AI) yang terintegrasi dengan pemrosesan bahasa alami (NLP) guna membantu guru menganalisis karakter siswa dan memantau perkembangannya secara berkelanjutan. Metode yang digunakan adalah Research and Development (R&D) dengan empat tahapan: analisis kebutuhan, perancangan sistem, implementasi aplikasi web, dan evaluasi sistem. Sistem ini menggabungkan pendekatan NLP, TF-IDF, dan BERT untuk ekstraksi fitur, klasifikasi karakter menggunakan decision tree dan ensemble learning, serta integrasi API ChatGPT untuk menghasilkan ringkasan karakter dan rekomendasi pembelajaran berdasarkan teks observasi guru. Aplikasi dikembangkan dalam bentuk platform web interaktif dengan domain aidata.itananda.sch.id dan diuji coba pada 48 siswa di SD IT Ananda Empat Lawang. Hasil evaluasi menunjukkan bahwa sistem memiliki akurasi klasifikasi sebesar 88%, serta memberikan visualisasi data seperti distribusi karakter dan confusion matrix. Sistem ini diharapkan dapat meningkatkan efisiensi guru dalam memahami karakter siswa dan mendukung penyusunan strategi pembelajaran yang lebih adaptif dan berbasis data. Penelitian ini turut mendukung transformasi digital di pendidikan dasar melalui integrasi AI dalam sistem informasi sekolah.
Unduhan
Referensi
C. KRISTIYAN, “Pentingnya Pendidikan Karakter Pada Peserta Didik Sekolah Dasar Di Era Digital Untuk
Meningkatkan Kualitas Pendidikan,” Malih Peddas (Majalah Ilm. Pendidik. Dasar), vol. 13, no. 2, 2024, doi:
26877/malihpeddas.v13i2.15704.
Y. Grace, benardi, N. Permana, and F. Wijayanti, “Transformasi Pendidikan Indonesia: Menerapkan Potensi
Kecerdasan Buatan (AI),” J. Inf. Syst. Manag., vol. 2, no. 6, pp. 102–106, 2023.
A. F. Putri, S. N. Hayati, and A. R. Putri, “Revolusi Pembelajaran Artificial Intelligence dalam Membangun
Efisiensi Belajar : Systematic Literature Review,” J. Mhs. Tek. Inform., vol. 9, no. 1, pp. 677–684, 2025.
Y. E. P. Purnama, Irma Nur Muharani, “Implementasi Pembelajaran Berbasis Multikultural di Sekolah Dasar,” J.
Basicedu, vol. 5, no. 2, pp. 490–497, 2021, doi: 10.31004/basicedu.v5i2.734.
F. Rumaisa, Y. Puspitarani, A. Rosita, A. Zakiah, and S. Violina, “Penerapan Natural Language Processing (NLP) di
bidang pendidikan,” J. Inov. Masy., vol. 1, no. 3, pp. 232–235, 2021, doi: 10.33197/jim.vol1.iss3.2021.799.
Ristekdikti, “RENCANA INDUK RISET NASIONAL TAHUN 2017-2045 (Edisi 28 pebruari 2017),” Handb.
Logist. Distrib., vol. 2045, pp. 47–48, 2021.
M. S. Nurfatih and A. Zikry, “Optimasi ai untuk perencanaan pembelajaran dalam mengatasi kesenjangan psikologi
siswa di sekolah dasar,” vol. 9, no. 2, pp. 134–146, 2024.
I. Khan, A. R. Ahmad, N. Jabeur, and M. N. Mahdi, “An artificial intelligence approach to monitor student
performance and devise preventive measures,” Smart Learn. Environ., vol. 8, no. 1, 2021, doi: 10.1186/s40561-021-
-y.
L. Gomes, R. da Silva Torres, and M. L. Côrtes, “BERT- and TF-IDF-based feature extraction for long-lived bug
prediction in FLOSS: A comparative study,” Inf. Softw. Technol., vol. 160, p. 107217, 2023, doi:
https://doi.org/10.1016/j.infsof.2023.107217.
A. A. Khan, O. Chaudhari, and R. Chandra, “A review of ensemble learning and data augmentation models for class
imbalanced problems: Combination, implementation and evaluation,” Expert Syst. Appl., vol. 244, no. May 2023, p.
, 2024, doi: 10.1016/j.eswa.2023.122778.
Mahsun, M. Ali, I. R. Ekaningrum, and H. Ibda, “Trend of Using ChatGPT in Learning Process and Character
Education: A Systematic Literature Review,” Int. J. Learn. Teach. Educ. Res., vol. 23, no. 5, pp. 387–402, 2024,
doi: 10.26803/ijlter.23.5.20.
Kementerian Pendidikan Kebudayaan Riset dan Teknologi., “Data Sekolah – SD IT Ananda,” Dapodikdasmen.
[Online]. Available: https://dapo.dikdasmen.go.id/sekolah/CDC5E0385F66B7DCABB3
S. Sathyanarayanan, “Confusion Matrix-Based Performance Evaluation Metrics,” African J. Biomed. Res., no.
November, pp. 4023–4031, 2024, doi: 10.53555/ajbr.v27i4s.4345.
P. Aprilio, M. Felix, P. S. Nugraha, and H. Fahmi, “Hybrid Feature Combination of TF-IDF and BERT for
Enhanced Information Retrieval Accuracy,” JISA(Jurnal Inform. dan Sains), vol. 8, no. 1, pp. 8–15, 2025, doi:
31326/jisa.v8i1.2179.
M. Saipranav et al., “CLEF 2024 JOKER Task 2: Using BERT and Random Forest Classifier for Humor
Classification According to Genre and Technique,” CEUR Workshop Proc., vol. 3740, pp. 1902–1908, 2024.
Unduhan
Diterbitkan
Abstract views:
PDF Download:
DOI:
10.33998/processor.2025.20.2.2538Dimension Badge:
Cara Mengutip
Terbitan
Bagian
